OpenAI 通过模拟部署在发布前预测模型行为
OpenAI 推出 Deployment Simulation，利用真实对话数据在模型部署前预测其行为，以提升安全性和评估准确性。该方法在模型发布前即可评估其在真实使用场景中的表现。
#安全/对齐
OpenAI NewsAI 评分4545
Import AIAI 评分5858 Import AI 461：对齐进展、FrontierCode 与科研智能体评测
本期 Import AI 报道英国 AI Security Institute 对齐团队与 Timaeus 研究者成立非营利机构 Sequent，目标两年内达 40-80 名全职员工、初期募资 $100–150M，聚焦可扩展启发式论证等对齐方向。
Google ResearchAI 评分4444 Google Research 提出机器遗忘审计新框架 Regularized f-Divergence Kernel Tests
Google Research 在 AISTATS 2026 上提出机器遗忘审计新框架 Regularized f-Divergence Kernel Tests，通过相对距离测试衡量遗忘后模型更接近安全重训模型还是原始受污染模型。
OpenAI NewsAI 评分4444 OpenAI 报告：与中国相关的影响力行动正借 AI 渗透美国科技议题辩论
OpenAI 发布报告，披露与中国相关的影响力行动正利用 AI 针对美国科技辩论、数据中心叙事、关税议题以及关于 ChatGPT 的虚假说法展开操作。报告详细记录了这些行动如何借助 AI 工具影响美国舆论。
Google DeepMindAI 评分4747 Google DeepMind 联合多方资助多智能体 AI 安全研究
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA 并获 Google.org 支持，宣布面向全球研究者、最高 $10M 的多智能体 AI 安全研究资助。
Import AIAI 评分6262 Import AI 460：SocioHack基准、Anthropic的RSI初步证据与RL无人机竞速研究
Import AI 460 本期汇总三项研究：Kings College London、复旦大学与The Alan Turing Institute推出SocioHack基准。
OpenAI NewsAI 评分2323 OpenAI 的 AGI 愿景：让 AI 惠及所有人的计划
OpenAI 发布名为 "Built to benefit everyone: our plan" 的计划，阐述其围绕可及性、安全性和共同繁荣的 AI 未来愿景，目标是确保 AGI 惠及所有人。原文仅给出这一愿景框架，未披露具体模型、参数、价格或时间表。
Hugging Face Blog精选AI 评分6262 NVIDIA 发布 Nemotron 3.5 Content Safety 多模态内容安全模型
NVIDIA 发布 Nemotron 3.5 Content Safety，基于 Gemma 3 4B IT 微调，将多模态输入、多语言覆盖、自定义企业策略执行与可审计推理统一到单次推理调用中。
推荐理由：原文逐项说明了 3.5 相对 3 的能力变化与设计取舍，读者可据此判断自定义策略与推理轨迹如何接入生产管线。
OpenAI NewsAI 评分1212 OpenAI：智能时代的生物防御——AI 驱动的生物韧性行动计划
OpenAI 发布《智能时代的生物防御》行动计划，提出以 AI 驱动生物韧性（biological resilience）的行动方案。文章聚焦在智能时代如何借助 AI 应对生物安全威胁，给出具体行动框架。
OpenAI NewsAI 评分3434 OpenAI 呼吁全球行动保障青少年 AI 安全
OpenAI 呼吁全球就青少年 AI 安全采取行动，提议设立一个国际机构，以加强对年轻人的保护、标准建设和机会提供。
Import AIAI 评分5050 Import AI 459：AI 监管为何困难、蛋白质折叠模型的 scaling laws，以及为 AI 系统的灭绝风险定价
Import AI 459 本期聚焦三大议题：弗吉尼亚大学、Anthropic 与加拿大央行的论文估算美国 AI 经济 2025 年名义 GDP 约 $250 billion。
OpenAI NewsAI 评分4545 OpenAI 打击针对美国的影响力行动："Data Center Bandwagon" Campaign
OpenAI 封禁了一个疑似源自 PRC 的账号集群，该集群利用 AI 生成社交媒体内容，批评美国数据中心与 AI 基础设施。OpenAI 将其定性为针对美国的影响力行动，代号 "Data Center Bandwagon" Campaign。
OpenAI NewsAI 评分4444 OpenAI 封禁疑似源自 PRC 的账号：利用 AI 生成美国科技政策相关评论与漫画
OpenAI 封禁了一批疑似源自 PRC 的账号，这些账号利用 AI 生成关于美国科技政策、关税和贸易限制的评论与漫画。该活动被 OpenAI 归入“Tech and Tariffs”影响力行动，属于针对美国科技政策的影响力活动。
OpenAI NewsAI 评分4545 OpenAI 推出 Rosalind Biodefense，向审核过的开发者与美国政府伙伴开放 GPT-Rosalind
OpenAI 推出 Rosalind Biodefense，向通过审核的开发者和美国政府伙伴开放 GPT-Rosalind，用于生物防御、公共卫生和大流行病防范。该计划通过前沿 AI 扩大可信访问范围，服务对象限于经过审核的开发者与美国政府合作方。
OpenAI NewsAI 评分3636 OpenAI 分享可信第三方 AI 评测指南
OpenAI 分享了关于第三方 AI 评测的指导，涵盖如何评估前沿系统的能力、安全防护措施与评测有效性。
OpenAI NewsAI 评分2929 OpenAI 的前沿治理框架
OpenAI 推出 Frontier Governance Framework，说明其 AI 安全、安全（security）与风险实践如何与欧盟和加州新兴法规保持一致。该框架面向外部读者开放探索，用于展示 OpenAI 在前沿模型治理上的合规对齐方式。
Google ResearchAI 评分5050 Google Research 发布零信任聚合私有分析服务
Google Research 推出基于零信任聚合的私有分析服务，结合新的格基密码聚合协议与 TEE，实现设备单次消息提交即可完成聚合，无需多轮在线交互。该方案已集成到 Google 机密联邦分析系统，用于改进 Android SafetyCore 分类器准确率，同时保证用户内容仅保留在设备端。
OpenAI NewsAI 评分3434 OpenAI 如何为 2026 年选举提供信息与防护
OpenAI 说明其在 2026 年选举中通过可靠信息、网络安全防御、AI 透明度、滥用防护和偏见监测提供支持。
OpenAI NewsAI 评分4444 OpenAI 推进 AI 内容溯源，提升 AI 生态安全性与透明度
OpenAI 推出 Content Credentials、SynthID 和一项验证工具，帮助人们识别并信任 AI 生成的媒体内容，以推进 AI 内容溯源。这些措施旨在提升 AI 生态系统的安全性与透明度。
Import AIAI 评分5151 Import AI 457：AI 版 Stuxnet、Muon 优化器缺陷与正向对齐
Jack Clark 的 Import AI 457 期周刊汇总四条内容：SentinelOne 拆解约 20 年前的 fast16.sys 病毒，其针对 LS-DYNA 970。
Google DeepMindAI 评分4444 Google DeepMind 与新加坡政府启动国家 AI 合作新计划
Google DeepMind 作为 Google 与新加坡政府新国家 AI 合作的关键一环，在当地推出多项新计划，覆盖医疗、教育、科研与可持续发展。
OpenAI NewsAI 评分4545 ChatGPT 如何在敏感对话中更好识别上下文
OpenAI 为 ChatGPT 推出安全更新，提升其在敏感对话中的上下文识别能力，使其能随时间推移检测风险并更安全地回应。该更新旨在帮助 ChatGPT 更好地理解对话背景，从而在敏感场景中给出更恰当的回复。
OpenAI NewsAI 评分5555 OpenAI 回应 TanStack npm 供应链攻击并要求 macOS 用户限期更新
OpenAI 详细说明了其对 TanStack "Mini Shai-Hulud" 供应链攻击的响应，介绍了为保护系统和签名证书所采取的防护措施，并解释了 macOS 用户为何必须在 June 12, 2026 前更新 OpenAI 应用。文章还说明了事件经过、受影响范围，以及 OpenAI 如何加强对不断演进的软件供应链威胁的防御。
OpenAI NewsAI 评分4545 OpenAI 用 GPT-5.5 和 GPT-5.5-Cyber 扩展 Trusted Access for Cyber
OpenAI 扩展 Trusted Access for Cyber，推出 GPT-5.5 和 GPT-5.5-Cyber，帮助经过验证的防御者加速漏洞研究并保护关键基础设施。
OpenAI NewsAI 评分5555 ChatGPT 推出 Trusted Contact 安全功能
ChatGPT 推出可选安全功能 Trusted Contact，在检测到严重自伤风险时通知用户信任的联系人。
OpenAI NewsAI 评分2323 ChatGPT 如何在保护隐私的同时了解世界
OpenAI 介绍了 ChatGPT 如何在保护用户隐私的前提下改进模型，包括减少训练数据中的个人数据、让用户自行决定对话是否用于改进 AI 模型。
OpenAI NewsAI 评分1818 OpenAI 推进 EMEA 青少年安全与福祉计划
OpenAI 推出 European Youth Safety Blueprint 和 EMEA Youth & Wellbeing Grants，面向青少年、家庭与教育者推进安全、负责任的 AI 使用。该计划聚焦 EMEA 地区，通过蓝图与资助两种形式支持相关安全与福祉工作。
Import AIAI 评分7474 Jack Clark：AI 或在 2028 年底前实现自动化 AI 研发
Import AI 作者 Jack Clark 认为，有 60% 以上的可能到 2028 年底出现无需人类参与的 AI 研发，即前沿模型能自主训练自己的后继版本；若要押注 2027 年，他认为概率约 30%。
OpenAI NewsAI 评分2929 OpenAI 推出 Advanced Account Security 账户安全功能
OpenAI 推出 Advanced Account Security，提供抗钓鱼登录、更强的账户恢复机制和增强型保护，以保护敏感数据并防止账户被接管。
OpenAI NewsAI 评分2222 GPT-5 中 goblin 行为的来源与成因分析
GPT-5 出现了被称为 goblin 的人格化怪异输出，文章梳理了这一现象的时间线、根本原因与修复方案。内容聚焦 GPT-5 行为中由人格驱动的怪癖，解释 goblin 类输出如何在 AI 模型中扩散。
OpenAI NewsAI 评分3434 OpenAI 提出智能时代网络安全五部分行动计划
OpenAI 提出五部分行动计划，以加强智能时代的网络安全，重点是普及 AI 驱动的网络防御并保护关键系统。
OpenAI NewsAI 评分1818 OpenAI 如何保护 ChatPT 社区安全
OpenAI 通过模型防护、滥用检测、政策执行以及与安全专家合作，在 ChatGPT 中保护社区安全。文章介绍了这些安全机制如何共同运作以应对滥用风险。
Hugging Face BlogAI 评分5858 用 OpenAI Privacy Filter 构建可扩展 Web 应用的三个示例
Hugging Face 官方博客介绍了用 OpenAI 本周在 Hub 上开源的 Privacy Filter（1.5B 参数、50M 激活参数、Apache 2.0 许可。
OpenAI NewsAI 评分1818 Sam Altman 分享 OpenAI 推动 AGI 惠及全人类的五项原则
Sam Altman 分享了指导 OpenAI 工作的五项原则，其使命是确保 AGI 惠及全人类。原文仅点出原则数量与使命，未展开各项原则的具体内容。
OpenAI NewsAI 评分5555 OpenAI 发布开源权重的隐私过滤模型 Privacy Filter
OpenAI 发布 OpenAI Privacy Filter，这是一个用于检测并编辑文本中个人身份信息（PII）的开源权重模型，官方称其具备 state-of-the-art 的准确率。
Hugging Face BlogAI 评分4444 AI 与网络安全的未来：为什么开放性很重要
Hugging Face 撰文指出，Mythos 等系统证明 AI 已能自主发现并修补软件漏洞，但关键在于系统配方而非单一模型，小模型配合深度安全专长也能以更低成本实现类似效果。
OpenAI NewsAI 评分4242 OpenAI 以 GPT-5.4-Cyber 和 1000 万美元 API 资助强化全球网络防御
OpenAI 联合多家安全公司和企业推出 Trusted Access for Cyber，使用 GPT-5.4-Cyber 模型并提供 $10M 的 API grants 来加强全球网络防御。
OpenAI NewsAI 评分4040 OpenAI 扩展 Trusted Access for Cyber 计划并推出 GPT-5.4-Cyber
OpenAI 扩展 Trusted Access for Cyber 计划，向经审核的网络安全防御者推出 GPT-5.4-Cyber，并在 AI 网络安全能力提升的同时强化相关防护措施。
OpenAI NewsAI 评分1010 OpenAI：负责任且安全地使用 AI
OpenAI 发布指南，讲解如何在使用 ChatGPT 等工具时负责任且安全地运用 AI，涵盖安全性、准确性与透明度方面的最佳实践。
OpenAI NewsAI 评分3939 OpenAI 回应 Axios 开发者工具供应链攻击
OpenAI 回应 Axios 供应链攻击，轮换了 macOS 代码签名证书、更新了相关应用，并确认没有用户数据被泄露。